مروری بر شبکه های عصبی گراف

در سال های اخیر یادگیری عمیق بسیاری از وظایف یادگیری ماشین را متحول کرده است، از طبقه بندی تصویر و پردازش ویدیو گرفته تا تشخیص گفتار و درک زبان طبیعی مورد بررسی قرار گرفته است. از طرفی بسیاری از داده ها به صورت گراف هایی با روابط پیچیده و وابستگی متقابل بین اشیاء نشان داده می شوند. اخیرا، مطالعات زیادی در مورد گسترش رویکردهای یادگیری عمیق برای داده های گراف پدید آمده است. مسائلی که در گراف ها تعریف می شود شامل طبقه بندی گره، پیشبینی یال، بررسی شباهت دو شبکه و غیره است. در این مقاله سعی داریم روش هایی را بررسی کنیم که اطلاعات از گراف استخراج می کنند. برای استفاده از گراف ها بایستی شبکه های استفاده شده توانایی دریافت داده با ساختار گراف و آموزش روی گراف ها را داشته باشد. شبکه های عصبی گراف و شبکه های تعمیم یافته آن مانند شبکه های عصبی پیچشی گراف و شبکه های عصبی گراف با توجه و .... این امکان را فراهم می کنند. این شبکه اطلاعات ساختاری گراف را حفظ می کند و اطلاعات بین گره ها را انتشار می دهند. هدف اصلی این مقاله این است که مفاهیم کلیدی را در نمایش گراف و یادگیری گراف با استفاده از روش های یادگیری عمیق روی داده های گرافی را بررسی کنیم

کلیدواژه ها:

یادگیری عمیق ، گراف ، شبکه های عصبی گراف